[發明專利]一種民機系統風險預警方法及系統

有效

• 申請號: 202110258736.9
• 申請日: 2021-03-10
• 公開（公告）號: CN113053171B
• 公開（公告）日: 2023-03-24
• 發明（設計）人: 孫有朝;蘇思雨;李龍彪
• 申請（專利權）人: 南京航空航天大學
• 主分類號: G08G5/00
• 分類號: G08G5/00
• 代理公司: 北京高沃律師事務所 11569
• 代理人: 杜陽陽

1.一種民機系統風險預警方法，其特征在于，所述方法包括：

獲取待檢測民機系統在歷史時間段內的不同狀態參數在多個監測時刻的健康監測數據，構成不同狀態參數的狀態參數監測序列；選取能夠反映引氣系統狀態變化并能描述引氣系統行為的狀態參數，包括引氣溫度BAT、引氣壓力BAP、靜溫SAT、總溫TAT、發動機低壓轉子轉速N1，發動機高壓轉子轉速N2、飛行馬赫數MACH、飛行高度ALT、風扇調節閥門位置FAV_FC和FAV_FO、壓力調節閥位置PRV_ENG_R、高壓閥位置HPV_ENG_R；收集的歷史時間序列數據覆蓋足夠長的運行時間，涵蓋引氣系統所有的運行狀態；

根據不同狀態參數的狀態參數監測序列，采用皮爾遜相關系數法篩選出皮爾遜相關系數大于相關系數閾值的狀態參數，作為建模參數，獲得多個建模參數監測序列；

獲取當前監測時刻的每種建模參數的監測值；

根據當前監測時刻的每種建模參數的監測值和多個所述建模參數監測序列，利用多變量狀態估計算法，獲得當前監測時刻待檢測民機系統處于健康狀態下的每種建模參數的估計值；

所述根據當前監測時刻的每種建模參數的監測值和多個所述建模參數監測序列，利用多變量狀態估計算法，獲得當前監測時刻待檢測民機系統處于健康狀態下的每種建模參數的估計值，具體包括：

對多個所述建模參數監測序列分別進行標準差標準化，獲得多個標準化后的建模參數監測序列，并將多個標準化后的建模參數監測序列構成建模參數監測矩陣；

對每個航班巡航階段的數據進行間隔采樣，每個參數采樣長度為10，采樣間隔為1分鐘，共采樣10次，每個參數采樣數據的均值作為每個航班的特征值數據；

對提取的航班特征值數據使用Z-Score進行標準化，統一各個變量的量綱，Z-Score標準化公式如下：

式中，x'為標準化后的變量，x為樣本變量，為變量的樣本均值，σ為變量的標準差；

計算當前監測時刻的所有建模參數的監測值構成的向量與所述建模參數監測矩陣中每個監測時刻對應的所有建模參數的健康監測數據向量之間的歐式距離；觀測向量X_obs(t_j)＝[x_1obs(t_j),...,x_iobs(t_j),...,x_nobs(t_j)]^T，歷史數據x_iobs(t_j)表示第i個參數在t_j時刻的監測值，n表示參數個數，觀測向量的數據也是每個航班巡航階段的特征值數據；

將所述建模參數監測矩陣中所有監測時刻對應的所有建模參數的健康監測數據向量按照歐式距離從小到大的順序排列，并選取前m個健康監測數據向量構成記憶矩陣其中，D為記憶矩陣，x₁(t₁)、x₁(t₂)和x₁(t_m)分別為第1種建模參數在t₁、t₂和t_m監測時刻的健康監測數據，x₂(t₁)、x₂(t₂)和x₂(t_m)分別為第2種建模參數在t₁、t₂和t_m監測時刻的健康監測數據，x_n(t₁)、x_n(t₂)和x_n(t_m)分別為第n種建模參數在t₁、t₂和t_m監測時刻的健康監測數據；

根據當前監測時刻的所有建模參數的監測值構成的向量和所述記憶矩陣，利用公式獲得待檢測民機系統處于健康狀態下的所有建模參數在當前監測時刻的估計值構成的向量；其中，X_est為待檢測民機系統處于健康狀態下的所有建模參數在當前監測時刻的估計值構成的向量，X_obs為當前監測時刻的所有建模參數的監測值構成的向量，為非線性算子；x_u表示狀態X的第u個點，y_u表示狀態Y的第u個點，n表示變量個數；

根據當前監測時刻的每種建模參數的監測值和估計值，基于加權相似度函數，計算當前監測時刻的所有建模參數的監測值與估計值的相似度，作為當前監測時刻的待檢測民機系統的風險綜合指標；

所述根據當前監測時刻的每種建模參數的監測值和估計值，基于加權相似度函數，計算當前監測時刻的所有建模參數的監測值與估計值的相似度，具體包括：

根據當前監測時刻的每種建模參數的監測值和當前監測時刻的每種建模參數的估計值，基于加權相似度函數，利用公式計算當前監測時刻的所有建模參數的監測值與估計值的相似度；

其中，S_tj(X_obs,X_est)為當前監測時刻的所有建模參數的監測值構成的向量X_obs和待檢測民機系統處于健康狀態下的所有建模參數在當前監測時刻的估計值構成的向量X_est在t_j監測時刻的相似度，X_iobs(t_j)為第i種建模參數在t_j監測時刻的監測值，X_iest(t_j)為第i種建模參數在t_j監測時刻的估計值，w_i為第i種建模參數的權重系數，其值大小由AHP確定，利用AHP構建包含3層的層次結構，首先確定第二層相對第一層的權重，然后確定第三層相對對第二層的權重，最終得到BAT、BAP、N1、N2和MACH的權重系數w＝(0.34,0.34,0.11,0.11,0.10)^T；n為建模參數的數量；

根據當前監測時刻的待檢測民機系統的風險綜合指標和當前監測時刻之前的待檢測民機系統的多個風險綜合指標，確定當前監測時刻的預警閾值；

所述根據當前監測時刻的待檢測民機系統的風險綜合指標和當前監測時刻之前的待檢測民機系統的多個風險綜合指標，確定當前監測時刻的預警閾值，具體包括：

利用公式確定初始均值和初始標準差；其中，μ₀為初始均值，σ₀為初始標準差，S_g為多個建模參數監測序列的相似度序列中第g個相似度，N為多個建模參數監測序列的相似度序列中相似度的數量；

根據當前監測時刻的待檢測民機系統的風險綜合指標、當前監測時刻之前的待檢測民機系統的多個風險綜合指標、初始均值和初始標準差，利用公式確定前N個監測時刻的相似度的均值和標準差；其中，μ_N為前N個監測時刻的相似度的均值，S_N為第N個監測時刻的相似度，μ_N-1為前N-1個監測時刻的相似度的均值，σ_N為前N個監測時刻的相似度的標準差，σ_N-1為前N-1個監測時刻的相似度的標準差；

根據前N個監測時刻的相似度的均值和標準差，利用公式C_N＝μ_N-Tσ_N，確定第N個監測時刻的預警閾值；其中，C_N為第N個監測時刻的預警閾值，T為帶寬系數；誤警率α＝0.04，帶寬系數T＝5，選取200組無故障歷史數據的相似度序列計算初始閾值，計算過程如下：設200組無故障歷史數據的相似度序列為S_i(S₁,S₂,...,S₂₀₀)，均值為標準差初始閾值為μ₀-5σ₀；

若前一監測時刻的待檢測民機系統的風險綜合指標小于前一監測時刻的預警閾值且當前監測時刻的待檢測民機系統的風險綜合指標小于當前監測時刻的預警閾值，則發出風險預警

所述若前一監測時刻的待檢測民機系統的風險綜合指標小于前一監測時刻的預警閾值且當前監測時刻的待檢測民機系統的風險綜合指標小于當前監測時刻的預警閾值，則發出風險預警，之后還包括：

根據發出風險預警的時間段內的每種建模參數的監測值和每種建模參數的估計值，利用公式計算每種建模參數對系統異常狀態的累計貢獻率；其中，con(i)為第i種建模參數對系統異常狀態的累計貢獻率，con(i,j)表示第i種建模參數在第j個監測時刻對系統異常狀態的貢獻率，t為預警開始時刻，k為預警結束時間，w_i為第i種建模參數的權重系數，X_iobs(t_j)為第i種建模參數在t_j監測時刻的監測值，X_iest(t_j)為第i種建模參數在t_j監測時刻的估計值，n為建模參數的數量；

將累計貢獻率大于貢獻率閾值的建模參數確定為發生異常的建模參數；

根據所述發生異常的建模參數所歸屬的系統部位，確定故障部件；其中N1的貢獻率是9.88％，N2占2.38％，MACH占5.06％，BAP占15.41％，BAT占67.27％；BAT的比例最大，并且遠遠超過其他變量，因此可以追溯到引氣系統的異常變量為BAT；BAT異常的原因包括：(1)引氣調節恒溫器TCT故障；TCT控制著BAT的調節，所以它的故障可能會導致BAT超溫或低溫；(2)溫度傳感器故障6HA，其故障將導致BAT測量不準確；(3)風扇調節閥FAV故障以及控制信號錯誤；由于FAV開度會影響BAT，FAV故障以及控制FAV打開的TCT控制信號錯誤都會引氣BAT異常；對于BAT異常，應先更換TCT，如果故障仍然存在，則更換6HA；如果故障仍然存在，則更換FAV。